CN105160127A

CN105160127A - 基于csp流程热连轧生产线q235b钢种的性能预测方法

Info

Publication number: CN105160127A
Application number: CN201510623645.5A
Authority: CN
Inventors: 常崇民; 唐兴昌; 郑跃强; 李积鹏; 王云平; 吝理平; 杨华; 曹小军; 张昭; 刘惊宇
Original assignee: Gansu Jiu Steel Group Hongxing Iron and Steel Co Ltd
Current assignee: Gansu Jiu Steel Group Hongxing Iron and Steel Co Ltd
Priority date: 2015-09-25
Filing date: 2015-09-25
Publication date: 2015-12-16
Anticipated expiration: 2035-09-25
Also published as: CN105160127B

Abstract

本发明属于钢铁材料性能检验技术领域，具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法，该方法按照建立CSP流程热轧Q235B钢种的力学性能预报模型、将得到的数据结果输入的所建立的模型、进行对所得到的数据分组计算、验证数据的准确性和得到数据的预测值的方法，充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高，温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素，从而加以数学统计分析，得到了较准确的Q235B力学性能预测模型。通过应用此预测方法，具有使生产现场控制更加稳定，生产周期缩短，节约检测费用等优点。

Description

基于CSP流程热连轧生产线Q235B钢种的性能预测方法

技术领域

本发明属于钢铁材料性能检验技术领域，具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法。

背景技术

CSP薄板坯连铸连轧技术是近二十几年世界钢铁工业取得的重要技术进步之一，是继氧气转炉炼钢、连续铸钢之后又一带来钢铁工业技术革命的新技术。传统热连轧流程中钢水铸成200～250mm厚的板坯、经过冷却、重新加热，再通过粗轧和精轧得到热轧宽带钢。在CSP薄板坯连铸连轧流程中，钢水被铸成50～70mm厚的薄板坯，不经过冷却直接热装入辊底式均热炉后，进入机架较少的热连轧机组轧成宽带钢。与传统的热轧带钢生产技术相比，薄板坯连铸连轧技术具有显著的特点：(1)工艺简化、设备减少、生产线短，基本建设投资大幅度降低；(2)生产周期短，从原料入炉至成品钢卷，仅需约2.5h，生产组织灵活、应变能力强；(3)能耗减少，降低了生产成本，增强了产品的竞争力；(4)铸坯凝固快、铸态组织均匀、第二相析出物细小；(5)总变形量小、道次变形量大，采用高刚度轧机大压下轧制。

热轧钢带的生产过程中化学成分和相关的热轧工艺参数是影响其性能的直接因素，合理的成分、工艺设计是保证热轧板卷产品质量的基础。钢铁产品中的性能预测是通过已知的化学含量和相关生产工艺参数来预测最后产品的力学性能。实践证明钢材最终力学性能的性能预测方法在许多方面比传统人工取样检验有较明显的优势：(1)性能预测方法可降低性能测试的时间和费用；(2)缩短了产品的生产周期：钢材使用力学性能预测，则不需要等待人工检测结果，直接减少钢材的库存时间，可立即交付用户或转到下一步生产工序，缩短生产周期，加快资金周转，降低生产成本，能够为企业带来巨大的经济效益。(3)保持热轧板卷的力学性能的稳定：通过性能预测模型的实时预测，及时反映实物力学性能的情况，发现实际存在的屈服强度、抗拉强度和延伸率不合格的问题，从而调整力学性能，保持该产品质量的稳定性。(4)促进新产品的开发：使用力学性能预测的方法，根据组成的新型设计和轧制过程的不同性能的预测结果指导产品设计及工艺参数的制定，减少实际测试次数，提高成功率，缩短新产品的开发周期、降低新产品开发成本。

本专利申请之前，申请号200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201210032097.5、201310752648.X、201310718490.4、201510044565.4的中国发明专利均申请了相关钢铁产品的性能预测方法。其中申请号为200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201310718490.4等中国发明专利均采用了通过相变组织不同含量及晶粒大小等预测钢铁产品性能的方法，此方法虽然适合大多数热轧钢铁产品的性能预测，但是由于每种钢铁产品相组成产别较大，对钢铁组织的相成分的预测也较不准确，因此性能预测的偏差较大。申请号为201210032097.5、201310752648.X的中国发明专利采用了神经网格的预测方法，在此预测方法中对力学性能的影响因素过多，每个因素对性能的预测结果均有影响。此方法虽然预测全面，但是对于成熟生产线的成熟钢种来说，扰动因素过多、过程复杂，并不适合在成熟生产线简单钢种力学性能的预测。申请号为201510044565.4的中国发明专利为H型钢的性能预测，由于生产流程及变形过程的不同，此方法不适合CSP流程热轧钢带的性能预测。因而，上述专利不适合在薄板坯连铸连轧CSP生产线上进行Q235B力学性能的预测。

发明内容

本发明的目的就是要提供一种用于CSP流程热连轧生产线的Q235B钢种的性能预测方法。

本发明是通过以下技术方案来实现的：

基于CSP流程热连轧生产线Q235B钢种的性能预测方法，该方法按照下述步骤进行：

（1）建立CSP流程热轧Q235B钢种的力学性能预报模型；

（2）在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果，将上述数据作为力学性能预报模型的输入参数；

（3）对于不同厚度的Q235B钢卷，在轧制过程中所选空过机架不同，根据不同轧制规程的设定，对Q235B成分及轧制数据进行分组计算；

（4）利用SPSS软件，进行多元线性回归分析中计算出Q235B力学性能预测模型，并使用已有的数据对预测模型进行检验，验证其准确性；

（5）基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数，对轧后Q235B钢种的力学性能进行计算和预测，得到Q235B钢种力学性能的预测值。

与现有技术相比较，本发明的有益效果在于：

本发明充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高，温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素，从而加以数学统计分析，得到了较准确的Q235B力学性能预测模型。通过应用此预测方法，具有使生产现场控制更加稳定，生产周期缩短，节约检测费用等优点。

附图说明

图1为CSP线Q235B力学性能检测结果与预测结果示意图；

图2为CSP线Q235B力学性能检测结果与预测结果偏差示意图。

具体实施方式

下面对本发明做进一步描述：

（1）建立CSP流程热轧Q235B钢种的力学性能预报模型；

本发明在具体使用时，具体的根据不同厚度规格Q235B钢种的力学性能预测模型如下：

H≤2.75

Reh=347.151+247.131[C]+108.95[Mn]+312.25[P]+203.940[Si]-17.755[H]

Rm=381.772+533.253[C]+114.08[Mn]+623.846[P]+228.879[Si]-21.599[H]

A=44.622-39.806[C]-10.252[Mn]-34.846[P]-18.322[Si]-0.082[H]

2.75＜H≤5.5

Reh=283.092+556.459[C]+46.194[Mn]+584.948[P]+268.613[Si]-9.69[H]

Rm=277.797+1020.106[C]+60.643[Mn]+1021.29[P]+276.99[Si]-2.98[H]

A=49.246-72.954[C]-2.502[Mn]-34.283[P]-15.423[Si]-0.557[H]

5.5＜H＜7

Reh=288.010+900.182[C]+108.995[Mn]+211.410[P]+47.049[Si]-20.814[H]

Rm=193.080+1097.770[C]+58.759[Mn]+1292.759[P]+78.414[Si]-10.1[H]

A=64.777-118.356[C]-7.858[Mn]-59.838[P]-37.874[Si]-1.417[H]

7≤H＜11

Reh=355.176+138.143[C]+1.191[Mn]+0.124[P]+155.262[Si]-3.495[H]

Rm=413.786+186.114[C]+55.908[Mn]+521.537[P]+223.925[Si]-2.528[H]

A=34.038-28.332[C]+3.137[Mn]-22.735[P]-1.426[Si]+0.23[H]

Akv=108.388-81.37[C]-15.93[Mn]-39.1[P]-114.800[Si]-553.47[S]+2.43[H]

11≤H≤14

Reh=239.701+429.876[C]+117.186[Mn]+543.180[P]+253.587[Si]-1.630[H]

Rm=334.799+721.528[C]+146.521[Mn]+474.054[P]+233.156[Si]-4.439[H]

A=51.534-20.317[C]-13.918[Mn]-56.454[P]-43.168[Si]-0.987[H]

Akv=178.030-267.84[C]+6.74[Mn]+1.785[P]-63.575[Si]-284.689[S]-4.3[H]

式中：

Reh为屈服强度的预测值(MPa)，Rm为抗拉强度的预测值(MPa)，A为伸长率的预测值(%)，Akv为冲击功的预测值(J)，C为碳元素的含量（%），Mn为锰元素的含量（%），P为磷元素的含量（%），S为硫元素的含量（%），Si为硅元素的含量（%），H为带钢厚度（mm）。

更具体的说，在CSP流程Q235B力学性能的预测模型中使用条件和适用范围包括化学成分和钢卷厚度，其范围如下：

C≤0.22%，Mn≤2%，S≤0.05%，Si≤0.5%，P≤0.03%，不添加其他合金元素，带钢厚度H≤14mm。

根据所述的步骤（5）进行计算，得到钢卷力学性能的预测值，对比预测值与标准要求目标值，只要钢卷的力学性能的预测值大于标准要求的最小值即认为力学性能合格,反之,则认为力学性能不合格。

根据图1的CSP线Q235B力学性能检测结果与预测结果图表和图2的CSP线Q235B力学性能检测结果与预测结果偏差图表可以看出性能预报系统预测的结果与实际检测结果非常接近，95%的数据预测屈服强度Reh误差在±30MPa以内，98%的数据预测抗拉强度Rm误差在±30MPa以内，92%的数据预测延伸率A误差在±4%以内，99.6%的数据预测冲击性能Akv误差在±20J以内。因此，当CSP生产Q235B钢种的工艺条件不变时，CSP线Q235B性能预测方法准确度完全可以满足Q235B力学性能的检测要求。

Claims

1.基于CSP流程热连轧生产线Q235B钢种的性能预测方法，其特征在于：该方法按照下述步骤进行：

(1)建立CSP流程热轧Q235B钢种的力学性能预报模型；

(2)在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果，将上述数据作为力学性能预报模型的输入参数；

(3)对于不同厚度的Q235B钢卷，在轧制过程中所选空过机架不同，根据不同轧制规程的设定，对Q235B成分及轧制数据进行分组计算；

(4)利用SPSS软件，进行多元线性回归分析中计算出Q235B力学性能预测模型，并使用已有的数据对预测模型进行检验，验证其准确性；

(5)基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数，对轧后Q235B钢种的力学性能进行计算和预测，得到Q235B钢种力学性能的预测值。